如何从图层创建 keras 模型？答案

【问题标题】：How can I create a keras model from layers?如何从图层创建 keras 模型？
【发布时间】：2019-04-11 22:20:12
【问题描述】：

这是一个奇怪的问题。我在名为input_layers 的列表中构建了一些层：

[<keras.layers.convolutional.Conv2D object at 0x1377628d0>, <keras.layers.convolutional.Conv2D object at 0x138eb69b0>, <keras.layers.core.Flatten object at 0x13778dda0>, <keras.layers.core.Dense object at 0x1377f16d8>]

我想从中构建和编译一个keras 模型。我该怎么做？

我试过了：

            new_model = Model(inputs=input_layers, outputs=output_layer)

但这给出了一个错误：

ValueError: Input tensors to a Model must come from `keras.layers.Input`. Received: <keras.layers.convolutional.Conv2D object at 0x1378fff60> (missing previous layer metadata).

【问题讨论】：

你尝试了什么？出了什么问题？

标签： python keras

【解决方案1】：

好吧，如果模型是顺序模型（似乎是这种情况），那么您可以简单地使用 Sequential 类从层列表构建模型：

from keras.models import Sequential

model = Sequential(layers_list)

查看 Keras 文档中的 Sequential model guide 了解更多信息。

【讨论】：

【解决方案2】：

我不知道这样做的目的是什么！

您可以简单地将它们直接添加到模型中，即

inputs = Input(input_size)
conv1 = Conv2D(64, 3, activation = 'relu')(inputs)
conv1 = Conv2D(64, 3, activation = 'relu')(conv1)
pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)
model = Model(input = inputs, output = conv10)
model.compile(optimizer = Adam(lr = 1e-4), loss = 'binary_crossentropy', metrics = ['accuracy'])

另外不要忘记你必须指定模型的输入大小，所以这对你正在做的事情没有意义！

此外，如果模型是顺序的，您可以这样做

model = Sequential(your_list)

【讨论】：